Operational Research

BAB6 TRANSPORTASI
Salah satu aplikasi dari Linear programming adalah dalam kasus transportasi. Sebuah problem transportasi pada dasarnya adalah problem menemukan cara terbaik memenuhi permintaan di n titik demand dari m titik suplai. Ini bisa dijelaskan dengan diagram seperti tersaji dalam gambar 6.1. Dalam gambar ini cij menunjukkan ongkos angkut dari sumber/titik suplai i ke tujuan j.

c11 c12

S1

c13

d1

2 c21

c22

d2

S2

c23

d3

Gambar 6.1 Diagram Transportasi Jadi dalam masalah transportasi ini solusi yang ingin ditemukan adalah berapa jumlah yang harus diangkut dari tiap sumber ke setiap titik tujuan. Masalah tarnsportasi dapat diformulasikan dalam bentuk Programa Linier.

F ORMULASI LP U NTUK M ASALAH T RANSPORTASI

Formulasi linear programming untuk masalah transportasi yaitu mengangkut sejumlah barang/item yang dipindahkan dari sumber ke tujuan, xij, dapat dituliskan sebagai berikut:

Operational Research

Min s.t.

c
x
j

ij

xij

ij

si untuk setiap sumber i

x
i

ij

d j untuk setiap tujuan j

xij > 0

untuk semua i dan j

dimana dj adalah permintaan di titik tujuan j. Contoh Perusahaan logistik mengangkut gandum dari 3 sumber ke 4 tujuan dengan truk. Supply dan demand serta ongkos angkut per truk untuk masing-masing rute diberikan sumber 1 2 3 Demand 1 10 12 4 5 tujuan 2 2 7 14 15 3 20 9 16 15 4 11 20 18 15 Supply 15 25 10

dalam tabel berikut. Selesaikan dengan metoda transportasi. Ada 3 metoda yang umum digunakan untuk mencari solusi feasibel dalam kasus transportasi, yaitu: 1. North West Corner 2. Minimum Cost 3. Vogel

N ORTH W EST C ORNER (NWC)

Metoda ini untuk menemukan basic feasibel solution (bfs) atau solusi awal. Metoda ini dimulai dari pojok kiri atas (northwest) dari tabel transportasi dan tetapkan nilai x11 sebesar mungkin sesuai dengan deman pada titik 1 dan suplai pada titik 1. Nilai x11 tidak bisa lebih besar dari minimum dari dua nilai ini.
1 1 5 12 10 10 7 9 20 2 2 3 20 4 11 15 25 suplai

Operational Research
2 3 Demand 4 5 14 15 16 10 5 15 15 15 5 18 10

Dengan NWC ini didapat solusi x11 =5, x12= 10, x22 =5, x23 =15, x24 = 5, x34 =10. Sedangkan biaya transportasinya adalah z = (5x10) + (10x2) + (5x7) + (15x9) + (5x20) + (10x18) = 520.

M ETODA M INIMUM C OST

Northwest Corner tidak menggunakan informasi biaya angkut, sehingga solusi yang didapat sekedar solusi feasible belum tentu optimal. Untuk memperbaiki solusi ini salah satunya dengan metoda minimum cost . Langkah-langkahnya sebagai 1. Pertama, temukan sel dengan biaya angkut minimum diantara seluruh sel. Lalu tempatkan/angkut sebesar mungkin yaitu sejumlah xij 2. Blok baris dan kolom yang berhubungan dengan sel yang dipilih, lalu kurangi masing-masing sel dengan nilai xij. 3. Kemudian kita akan memilih sel dengan biaya angkut minimum (minimum cost of shipping) yang tidak terletak dalam baris atau kolom yang sudah diblok. Lalu ulangi prosedur dari awal.

Untuk contoh ini, biaya minimum ada pada sel (1,2) dengan biaya 2. Tempatkan 15 pada sel ini, jadi x12 =15. Demand untuk titik 2 sudah dipenuhi dan suplai pada titik 2 sudah habis. Blok baris dan kolom 2.

10 15

20

11 15

Operational Research
12 7 9 20 25 4 14 16 18 10 5 15 15 15

Ongkos terkecil berikutnya adalah 4 yaitu pada sel (3,4) . Tempatkan sejumlah 5 pada sel (3,4), jadi x34 = 5.

10 15 12

20

11 x

20 25

4 5 x x

14

16

18 5

15

15

Demand pada titik 1 sudah dipenuhi dan suplai pada titik 3 masih tersisa 5. Ongkos termurah berikutnya adalah 9, yaitu pada sel(2,3). Tempatkan 15 sesuai demand pada titik 3. Sehingga demand tersisa 0, sedangkan suplai masih ada 10 pada titik 2.
10 15 12 7 15 4 5 x x 0 15 14 16 18 5 9 20 10 2 20 11 x

Yang terakhir hanya ada satu kemungkinan, sehingga kita tempatkan 10 dan 5 pada sel (2,3) dan sel (3,4).
10 15 2 20 11 x

Operational Research
12 7 15 4 5 x x 0 14 16 5 0 9 10 18 0 20 0

Dengan metoda minimum cost ini, didapat solusi x12= 15, x23 =15, x24 = 10, x31 =5, x34 =5. Sedangkan biaya transportasinya adalah z = (15x2) + (5x4) + (15x9) + (10x20) + (5x18) = 475.

M ETODA V OGEL
1. Mulai dengan mengitung pinalti setiap baris dan kolom. Pinalti dihitung dengan cara mengurangi biaya shiping terkecil kedua dengan biaya terkecil untuk masing-masing baris dan kolom. 2. Tentukan baris dan kolom yang mempunyai pinalti terbesar. 3. Temukan sel dalam baris atau kolom yang bersangkutan yang mempunyai ongkos shipping paling kecil. 4. Tempatkan jumlah sebesar mungkin untuk dialokasikan di sel yang terpilih dan blok baris atau kolom yang bersangkutan. Hitung lagi pinalti yang baru dan lanjutkan lagi dengan prosedur yang sama.

10

20

11 15 10-2=8

12

20 25 9-7=2

4 5

14

16

18 10 14-4=10

Operational Research

5 10-4=6

15 7-2=5

15 16-9=7

15 18-11=7

Karena baris 3 mempunyai pinalti terbesar, maka tempatkan sejumlah 5 pada sel(3,1), yaitu sel pada baris 3 dengan biaya paling murah. Kolom 1 perlu diblok karena sudah tidak memerlukan suplai lagi.

10

20

11 15 11-2=9

12

20 25 9-7=2

4 5 x x 15

14

16

18 5 16-14=2

15 16-9=7

15 18-11=7

7-2=5

Pinalti terbesar berikutnya setelah diupdate terletak pada baris 1. Pada baris 1, sel(1,2) mempunyai biaya paling murah, sehingga bisa ditempatkan 15 di sel ini. Blok baris 1 dan kolom 2.
10 15 12 7 9 20 25 4 5 x x x x 15 16-9=7 15 20-18=2 14 16 18 5 18-16=2 20-9=11 2 20 11 x x

Berikutnya baris 2 mempunyai pinalti terbesar, maka tempatkan 15 pada sel(2,3), yaitu sel pada baris 2 dengan biaya paling murah. Kolom 2 perlu diblok karena sudah demand sudah dipenuhi. Selanjutnya kita tempatkan 10 dan 5 pada sel (2,4) dan sel (3,4).

10

20

11

Operational Research
15 12 7 15 4 5 x x x x x x 14 16 5 15 x 9 10 18 5 x 20 10 x x

Sedangkan biaya transportasinya adalah z=(15x2)+(5x4)+(15x9)+(10x20)+(5x18)=475 Dalam kasus seperti apa Vogel dan minimum cost memberikan solusi yang berbeda?

S IMPLEKS U NTUK T RANSPORTASI

Solusi yang kita dapatkan dari ketiga metoda di atas umumnya belum optimal. Kita perlu melanjutkan dengan metoda simpleks untuk mencapai solusi yang optimal. Sedikit berbeda dengan simplex untuk LP umumnya. Langkahnya sebagai berikut 1. Menggunakan kondisi optimalitas simpleks untuk menentukan variabel yang masuk menjadi basis.Jika kondisi yang sekarang sudah optimal. Berhenti. 2. Menentukan variabel yang meninggalkan basis menggunakan kondisi feasibiltas simpleks. Lakukan perubahan pada basis dan kembali ke langkah 1. Apa yang kita lakukan pada kasus transportasi ini tidak seperti pada Linear programming. Dalam kasus ini perubahan basis dilakukan dengan cara yang lebih sederhana. Perhatikan contoh berikut. Kita gunakan solusi awal dari hasil Northwest corner (NWC). 1 10 1 5 12 2 4 3 5 14 10 7 15 16 10 9 5 18 20 2 2 3 20 4 11 suplai 15

25

10

Operational Research demand

15

15

15

Untuk menentukan variabel yang masuk menjadi basis dari variabel nonbasic yang sekarang kita perlu menghitung koefisien nonbasic dengan menggunakan multiplier (seperti kita bahas dalam duality). Untuk setiap baris dan kolom, kita mempunyai multiplier ui dan vj. Untuk variabel basic xij , multiplier memenuhi hubungan berikut ui+vj=cij, untuk setiap variabel basic xij Dengan memberi nilai u1=0, kita dapatkan tabel berikut Variabel basic x11 x12 x22 x23 x24 x34 Persamaan (u,v) u1+v1=10 u1+v2=2 u2+v2=7 u2+v3=9 u2+v4=20 u3+v4=18 solusi u1=0 v1=10 u1=0v2=2 v2=2u2=5 u2=5v3=4 u2=5v4=15 v4=15u3=3

Jadi hasilnya bisa diringkas sebagai berikut u1=0, u2=5, u3=3 v1=10, v2=2, v3=4, v4=15

Untuk variabel nonbasic berlaku hubungan berikut ui+vj-cij, untuk setiap variabel nonbasic xij Variabel nonbasic x13 x14 x21 x31 x32 x33 v1=10 10 u1=0 u2=5 5 12 3 5 10 7 15 v2=2 2 ui + vj - cij u1+v3-c13=0+4-20=-16 u1+v4-c14=0+15-11=4 u2+v1-c21=5+10-12=3 u3+v1-c31=3+10-4=9 u3+v2-c32=3+2-14=-9 u3+v3-c33=3+4-16=-9 v3=4 20 -16 9 5 v4=15 11 4 20 suplai 15

25

Operational Research 4 u3=3 demand 5 9 15 14 -9 15 16 -9 10 15 18

10

Dari nilai ui+vj-cij, yang paling besar positif adalah 9, yaitu sel(3,1). Dengan demikian variabel x31 masuk basis. Selanjutnya perlu dicari variabel yang harus meninggalkan basis. Kita bentuk suatu loop yang berawal dan berakhir di sel(3,1). Setiap pojok dari loop yang kita bentuk harus berhubungan dengan variabel basic (arah loop boleh mengikuti jarum jam atau berlawanan). v1=10 10 u1=0 u2=5 u3=3 demand 5 5 12 3 4 9 15 5 14 -9 15 10 7 15 16 -9 10 15 v2=2 2 v3=4 20 -16 9 5 18 v4=15 11 4 20 suplai 15

25

10

Misalkan di sel (3,1) kita tempatkan sejumlah q, maka sel lain yang dilalui loop harus dikurangi dan ditambah secara bergantian sebesar q untuk tetap menjaga kelayakan suplai dan demand.

v1=10 10 u1=0 5-q 12 u2=5 3 4 u3=3 q 9 5-q

v2=2 2 10+q 7 15 14 -9

v3=4 20 -16 9

v4=15 11

suplai 15 4 20 25 18 10

5+q 16 -9 10-q

Operational Research
dema nd

15

15

15

Dengan penambahan dan pengurangan ini kita mempunyai nilai baru untuk variabel basic dengan batasan x11 = 5 - q 0 x12 = 10 + q 0 x34 = 10 - q 0 Agar setiap sel yang berisi variabel basic tidak menjadi negatif maka besarnya q maksimum adalah 5. Dengan nilai q=5, maka x11 = x22=0. Kita bisa memilih salah satu untuk meninggalkan basis. Secara sembarang kita pilih x11 untuk meninggalkan basis. Pemilihan x31 dan x22 untuk masuk dan meninggalkan basis harus diikuti dengan pengaturan nilai baru untuk variabel basic yang lain yang dilalui loop. Tabel memperlihatkan nilai baru variabel-variabel ini. Masuknya variabel x31 ke dalam basis berarti kita tempatkan sejumlah 5 item di sel (3,1). Dengan ongkos shipping setiap unit 9 (u3+v1-c31), penempatan ini berarti pengurangan biaya sebesar 9x5 = 45. Dibanding dengan biaya sebelumnya maka biaya total sekarang adalah 520 - 45=475. Setelah dilakukan lagi penghitungan u dan v dan penempatan yang baru, maka hasilnya disajikan dalam tabel Variabel basic x12 x22 x23 x24 x34 x31 Persamaan (u,v) u1+v2 = 2 u2+v2 = 7 u2+v3 = 9 u2+v4 = 20 u3+v4 = 18 u3+v1 = 4 Variabel nonbasic x13 x14 x21 x11 x32 x33
v1=1 v2=2

solusi u1 = 0 v2=2 v2 = 2 u2=5 u2 = 5 v3=4 u2 = 5 v4=15 v4 = 15 u3=3 u3 = 3 v1=1

ui + vj - cij u1+v3-c13 = 0+4-20 =-16 u1+v4-c14 = 0+15-11 =4 u2+v1-c21 = 5+1-12 =-6 u1+v1-c11 = 0+1-10 =-9 u3+v2-c32 = 3+2-14 =-9 u3+v3-c33 = 3+4-16 =-9
v3=4 v4=15 suplai

10

Operational Research

10 u1=0 -9 12 u2= 5 -6 4 u3= 3 demand 5 5 15 0+q 15-q

20 -16 q

11 15 4 20 25 10-q

7 15 14 -18 15

16 -9 5 15

18 10

Dari tabel ini kita lihat ui + vj - cij maksimum positif adalah 4, yaitu pada sel(1,4). Dengan demikian variabel x14 masuk basis. Kita tempatkan di sel ini sejumlah q. Nilai q yang maksimum dengan tetap memperhatikan kelayakan suplai dan demand adalah 10. Dengan penempatan 10 di sel (1,4) maka akan terjadi penurunan biaya shipping sebesar 4x10=40. Sehingga biaya total transportasi yang sekarang adalah 475-40 = 435. Selanjutnya kita lakukan lagi penghitungan ui , vj dan ui + vj - cij. Dari tabel kita lihat tidak ada lagi nilai ui + vj - cij > 0. Jadi hasil ini sudah optimal. Kita tidak lagi bisa mengurangi biaya pengangkutan dalam kasus transportasi ini. Perlu dicatat bahwa jumlah variabel basic dalam setiap iterasi adalah sebanyak m+n1, dimana m menyatakan baris (titik suplai) dan n adalah kolom (titik tujuan). Selain itu, fesibiltas suplai dan demand harus tetap terjaga pada setiap iterasi.

v1= -3 10 u1=0 -13 12 5

v2=2 2

v3=4 20 -16 7 9

v4=11 11

suplai

15 10 20 25

11

Operational Research
u2= 5

-10 4

10 14 -5

15 16 -5 15 5 15

-4 18 10

u3= 7 demand

5 5 15

Formulasi LP untuk kasus khusus Ada beberapa variasi masalah transportasi. Dalam kasus tertentu mungkin ada

tambahan konstrain berkenaan dengan jumlah maksimum yang bisa diangkut untuk rute tertentu. Atau jumlah minimal yang bisa diangkut untuk rute tertentu. Dalam kasus nyata konstrain seperti ini bisa berupa kapasitas maksimum jalan yang dilewati. Dengan variasi ini, formulasi LP yang dihasilkan juga akan mengalami perubahan.

1. Misalnya yang diangkut dari titik i ke j harus memenuhi syarat minimum Lij, maka konstrain berikut harus disertakan xij > Lij 2. Jumlah kapasitas maksimum rute yang dilalui ditentukan sebagai Uij , maka ada tambahan konstrain : xij < Uij 3. Rute tidak bisa diterima: Variabel dihapus

Berikut adalah contoh masalah transportasi Pabrik batako Jaya Abadi, mendapatkan order pembuatan 80 ton batako untuk 3 daerah yaitu Gresik-25 ton, Sidoarjo-45 ton dan Surabaya-10 ton. Jaya Abadi

mempunyai dua pabrik, setiap pabrik mampu memproduksi 50 ton per minggu. Bagaimana pengiriman dilakukan untuk memenuhi order di atas jika diberikan ongkos dari pabrik ke masing-masing lokasi sebagai berikut:

Gresik

Sidoarjo

Surabaya

12

Operational Research Pabrik 1 Pabrik 2 24 30 30 40 40 42

LP F ORMULASI

UNTUK TRANSPORTASI

Variabel keputusan xij = jumlah yng diangkut dari Pabrik i ke lokasi j dimana i = 1 (Pabrik 1) dan 2 (Pabrik 2) j = 1 (Gresik), 2 (Sidoarjo), dan 3 (Surabaya) Fungsi obyektif Minimasi ongkos angkut total per minggu Min 24x11 + 30x12 + 40x13 + 30x21 + 40x22 + 42x23 Constraints s.t. x11 + x12 + x13 < 50 (kapasitas Pabrik 1) x21 + x22 + x23 < 50 (kapasitas Pabrik 2) x11 + x21 > 25 x12 + x22 > 45 x13 + x23 > 10 (demand Gresik) (demand Sidoarjo) (demand Surabaya ) (Non- negativity)

semua xij > 0

S OLUSI

DENGAN

MS E XCEL - SOLVER

Untuk menyelesaikan permasalahan transportasi bisa kita gunakan Ms Excell. INi dilakukan dengan cara mengisikan data-data yan idperlukan seperti ongkos pengangkutan, data demand dan data supply.
A 1 2 3 asal 4 5 6 7 8 9 10 11 12 B C Gresik 1 2 E tujuan Sidoarjo Surabaya D F G supply 50 50 2490 demand 25 1 1 45 1 1 10 1 1

24 30

30 40

40
42

13

Operational Research
13 14 15

Formula untuk sel F3 adalah =SUMPRODUCT(C9:E9;C12:E12) Formula untuk sel F4 adalah =SUMPRODUCT(C10:E10;C13:E13) SUMPRODUCT dalam Excel bermakna sebagai dot product dalam matriks dan vektor, dimana setiap sel kita kalikan dengan sel yang berhubungan lalu kita jumlahkan. Formula pada sel F3 untuk mengakomodasi konstrain x11 + x12 + x13 < 50 . Formula untuk sel C5 adalah =SUMPRODUCT(C9:C10;C12:C13). Formula ini untuk mengakomodasi konstrain x11 + x21 > 25. Setelah kita isikan formula untuk semua sel yang diperlukan, kita pilih solver yang ada dalam menu Data. Sel target adalah sel dimana kita menempatkan fungsi obyektif. Dalam kasus ini ada di sel F6. Formula dari F6 adalah

=SUMPRODUCT(C3:E4;C12:E13). Yaitu penjumlahan hasil perkalian antara tiap sel dari C3:E4 dengan C12:E13.

Untuk mendifiniskan konstrain, kita tempatkan kursor di ruang Subject to the Constraint, lalu pilih Add.

14

Operational Research

By changing cell adalah sel diman akita ingin menyimpan nilai optimal dari variabel yang kita cari yaitu variabel x11,.., x23.
A 1 2 3 asal 4 5 6 7 8 9 10 11 12 13 14 15 B C Gresik 1 2 E tujuan Sidoarjo Surabaya D F G supply 50 30 2490 demand 25 1 1 5 20 45 1 1 45 0 10 1 1 0 10 50 50

24 30
25

30 40
45

40
42 10

Dengan LINDO masalah ini bisa ditulis sebagai beikut !masalah transportasi dengan 2 suplier dan 3 demand ! ! Nilai fungsi tujuan seharusnya 2490. Min 24x11 + 30x12 + 40x13 + 30x21 + 40x22 + 42x23 SUBJECT x11 x21 x11 x12 TO + x12 + x13 <= + x22 + x23 <= + x21 >= 25 + x22 >= 45 50 ! (kapasitas Pabrik 1) 50 ! (kapasitas Pabrik 2) ! (demand Gresik) ! (demand Sidoarjo)

15

Operational Research x13 + x23 >= 10 ! (demand Surabaya )

Setelah dirun akan menghasilkan solusi berikut.

LP OPTIMUM FOUND AT STEP 4

OBJECTIVE FUNCTION VALUE 1) 2490.000 VARIABLE X11 X12 X13 X21 X22 X23 ROW 2) 3) 4) 5) 6) VALUE 5.000000 45.000000 0.000000 20.000000 0.000000 10.000000 SLACK OR SURPLUS 0.000000 20.000000 0.000000 0.000000 0.000000 4 REDUCED COST 0.000000 0.000000 4.000000 0.000000 4.000000 0.000000 DUAL PRICES 6.000000 0.000000 -30.000000 -36.000000 -42.000000

NO. ITERATIONS=

Menggunakan LINGO, problem di atas bisa diformulasikan sebagai berikut

model: ! A 2 supply, 3 demand Problem Transportasi; SETS: sumber / p1,p2/ : kapasitas; tujuan / C1, C2, C3/ : DEMAND; Rute( sumber, tujuan) : Biaya, VOLUME; ENDSETS ! The objective; [OBJ] MIN = @SUM( Rute: Biaya * VOLUME); ! The demand constraints; @FOR( tujuan(J): [DEM] @SUM( sumber(I): VOLUME( I, J)) >= DEMAND(J)); ! The supply constraints; @FOR( sumber(I): [SUP] @SUM( tujuan(J): VOLUME( I, J)) <= kapasitas(I)); ! Here are the parameters; DATA: kapasitas = 50,50; DEMAND = 25,45,10; Biaya = 24,30,40, 30,40,42; ENDDATA end

16

Operational Research Sedangkan solusinya adalah sebagai berikut

Global optimal solution found at iteration: Objective value: Variable KAPASITAS( P1) KAPASITAS( P2) DEMAND( C1) DEMAND( C2) DEMAND( C3) BIAYA( P1, C1) BIAYA( P1, C2) BIAYA( P1, C3) BIAYA( P2, C1) BIAYA( P2, C2) BIAYA( P2, C3) VOLUME( P1, C1) VOLUME( P1, C2) VOLUME( P1, C3) VOLUME( P2, C1) VOLUME( P2, C2) VOLUME( P2, C3) Row OBJ C1) C2) C3) P1) P2) Value 50.00000 50.00000 25.00000 45.00000 10.00000 24.00000 30.00000 40.00000 30.00000 40.00000 42.00000 5.000000 45.00000 0.000000 20.00000 0.000000 10.00000 Slack or Surplus 2490.000 0.000000 0.000000 0.000000 0.000000 20.00000 5 2490.000 Reduced Cost 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 4.000000 0.000000 4.000000 0.000000 Dual Price -1.000000 -30.00000 -36.00000 -42.00000 6.000000 0.000000

DEM( DEM( DEM( SUP( SUP(

Contoh Suatu perusahaan transportasi harus mengangkut beberapa item dari tiga pabrik ke 4 kota yang berbeda. Ongkos angkut msing-masing rute, suplai dan demand adalah sebagai berikut : From To Kota 1 Pabrik 1 Pabrik 2 Pabrik 3 Demand 8 9 14 45 Kota 2 6 12 9 20 Kota 3 Kota 4 Supply 10 13 16 30 9 7 5 30 35 50 40

SOLUSI : 1. Variabel keputusan

17

Operational Research Karena harus diputuskan pengiriman produk dari setiap pabrik ke setiap kota; Xij = jumlah produk yang diproduksi pada Pabrik i dan dan dikirm ke kota j X14 = jumlah produk yang diproduksi pada Pabrik 1 dan dan dikirm ke kota 4

2. Fungsi obyektif: Karena kita ingin meminimasi biaya pengiriman total dari seluruh pabrik ke seluruh kota, maka kita tentukan fungsi tujuannya sebagai berikut: Minimasi Z = 8X11+6X12+10X13+9X14+9X21+12X22+13X23+7X24+14X31+9X32+16X33+5 X34 3. Pembatas untuk Supply

X11+X12+X13+X14 <= 35 X21+X22+X23+X24 <= 50 X31+X32+X33+X34 <= 40 Karena setiap titik supply mempunyai kapasitas produksi yang terbatas.

4.

Pembatas untuk Demand

X11+X21+X31 >= 45 X12+X22+X32 >= 20 X13+X23+X33 >= 30 X14+X24+X34 >= 30 Xij >= 0 (i= 1,2,3; j= 1,2,3,4) Model yang kita buat dalam LINGO untuk masalah ini adalah sebagai berikut
model: ! A 3 supply, 4 demand Transportation Problem; SETS: sumber / WH1, WH2, WH3/ : CAPACITY; tujuan / C1, C2, C3, C4/ : DEMAND; Rute( sumber, tujuan) : COST, VOLUME; ENDSETS

18

Operational Research

! The objective; [OBJ] MIN = @SUM( Rute: COST * VOLUME); ! The demand constraints; @FOR( tujuan(J): [DEM] @SUM( sumber(I): VOLUME( I, J)) >= DEMAND(J)); ! The supply constraints; @FOR( sumber(I): [SUP] @SUM( tujuan(J): VOLUME( I, J)) <= CAPACITY(I)); ! Here are the parameters; DATA: CAPACITY = 35, 50,40; DEMAND = 45, 20, 30,30; COST =8,6,10,9, 9,12, 13,7, 14,9, 16,5; ENDDATA end

Global optimal solution found at iteration: Objective value: Variable CAPACITY( WH1) CAPACITY( WH2) CAPACITY( WH3) DEMAND( C1) DEMAND( C2) DEMAND( C3) DEMAND( C4) COST( WH1, C1) COST( WH1, C2) COST( WH1, C3) COST( WH1, C4) COST( WH2, C1) COST( WH2, C2) COST( WH2, C3) COST( WH2, C4) COST( WH3, C1) COST( WH3, C2) COST( WH3, C3) COST( WH3, C4) VOLUME( WH1, C1) VOLUME( WH1, C2) VOLUME( WH1, C3) VOLUME( WH1, C4) VOLUME( WH2, C1) VOLUME( WH2, C2) VOLUME( WH2, C3) VOLUME( WH2, C4) VOLUME( WH3, C1) VOLUME( WH3, C2) VOLUME( WH3, C3) VOLUME( WH3, C4) Row Value 35.00000 50.00000 40.00000 45.00000 20.00000 30.00000 30.00000 8.000000 6.000000 10.00000 9.000000 9.000000 12.00000 13.00000 7.000000 14.00000 9.000000 16.00000 5.000000 0.000000 10.00000 25.00000 0.000000 45.00000 0.000000 5.000000 0.000000 0.000000 10.00000 0.000000 30.00000

9 1020.000 Reduced Cost 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 2.000000 0.000000 0.000000 7.000000 0.000000 3.000000 0.000000 2.000000 5.000000 0.000000 3.000000 0.000000 Dual Price

Slack or Surplus

19

Operational Research
OBJ DEM( C1) DEM( C2) DEM( C3) DEM( C4) SUP( WH1) SUP( WH2) SUP( WH3) 1020.000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 -1.000000 -9.000000 -9.000000 -13.00000 -5.000000 3.000000 0.000000 0.000000

ASSIGNMENT PROBLEM
Secara singkat assigment problem atau problem penugasan dapat dijelaskan sebagai problem untuk menugaskan m pekerja untuk mengerjakan n pekerjaan agar didapat biaya total yang minimum, dimana biaya pekerja i melakukan tugas j adalah cij. Diasumsikan semua pekerja mendapat pekerjaan dan setiap pekerjaan harus ada yang mengerjakan. Dalam masalah penugasan ini kita ingin mencari ongkos minimum dari penugasan m pekerja (bisa juga mesin) ke m pekerjaan (job), diberikan informasi ongkos untuk pekerja i mengerjakan job j, cij. Problem penugasan adalah kasus khusus dari problem transportasi dimana semua suplai dan semua demand sama dengan 1; karena itu problem penugasan bisa diselesaikan dengan programa linier (LP).
1 c11 c12 c13 c21 2 c22 2 1

c23 c31 c32 2 c33 3

Pekerja

Pekerjaan

Diagram Assignment Problem Formulasi sebagai LP adalah sebagai berikut

20

Operational Research

Min

c
x
i j
ij

ij

xij

=1untuk setiap pekerja i =1 untuk setiap pekerjaan j

x
i

ij

xij = 0 atau 1 untuk semua i dan j. Sebuah perusahaan membayar 4 perusahaan rekanan untuk melakukan 3 pekerjaan Cara pembayarannya adalah bergantung pada biaya tetap plus biaya tambahan yang bergantung jarak antara lokasi rekanan dengan lokasi pekerjaan. Berikut ini tabel jarak antara masing-masing rekanan ke lokasi pekerjaan.

pekerjaan B C 36 30 32 33 16 18 20 17

D 21 22 25 30

Rekanan

Damai Sejahtera Maju jaya Jaya makmur Sumber Rejeki

50 28 35 25

Perusahaan menginginkan agar penugasan rekanan ini meminimumkan biaya yang harus dia bayarkan. Tentukan cara penugasan yang optimal. Persoalan ini bisa digambarkan dengan network seperti berikut

Formulasi LP dari masalah penugasan di atas adalah sebagai berikut. Variabel xij = 1 jika rekanan i ditugaskan untuk pekerjaan proyek j = 0 untuk yang lain

Konstrain Rekanan hanya menerima tidak lebih dari satu pekerjaan

x11 + x12 + x13 + x14 < 1 x21 + x22 + x23 + x24 < 1 x31 + x32 + x33 + x34 < 1 x41 + x42 + x43 + x44 < 1

21

Operational Research Setiap pekerjaan harus ada yang mengerjakan

x11 + x21 + x31 + x41 = 1 x12 + x22 + x32 + x42 = 1 x13 + x23 + x33 + x43 = 1 x14 + x24 + x34 + x44 = 1 semua xij > 0 (non-negativity) Fungsi tujuan adalah meminimasi total jarak antara rekanan dengan lokasi pekerjaan Min 50x11 + 36x12 + 16x13 + 21x14 + 28x21 + 30x22 + 18x23 + 22x24 + 35x31 + 32x32 + 20x33 + 25x34 + 25x41 + 33x42 + 17x43 + 30x44 Dengan metoda Hungarian, masalah penugasan bisa diselesaikan dengan cara berikut:
pekerjaan B C 36 30 32 33 16 18 20 17 D 21 22 25 30

A 1 50 28 35 25

Rekanan 2
3 4

Step 1: Identifikasi nilai terkecil untuk masing-masing baris (kolom)

Pekerjaan B C 36 30 35 33 30 16 18 21 17 16 D 21 22 25 30 21

A 1 50 28 35 25 25

Rekanan 2
3 4

Step 2: Kurangkan semua nilai pada baris (kolom) tersebut dengan nilai terkecil tadi
Pekerjaan B C 6 0 5 0 2 5 D 0 1 4

A 1 25 3 10

Rekanan

2 3

22

Operational Research
4 minimum 0 25 3 30 1 16 9 21

Step 3: Ulangi Step 1-2 jika masih ada baris (kolom) yang belum ada nilai nol-nya. Misal pada contoh di atas baris-3 belum ada nol-nya.
Pekerjaan B C 6 0 0 2 5 5 3 1 30 16 pekerjaan A 25 3 6 0 25 B 6 0 1 3 30 C 0 2 1 1 16 D 0 1 0 9 21

1 2 Rekanan 3 4 minimum

A 25 3 10 0 25

D 0 1 4 9 21

1 2 Rekanan 3 4 minimum

Penugasan tiap-tiap pekerjaan diberikan pada rekanan mana yang memberikan nilai 0 (nol) . Jadi, pada problem di atas: Pekerjaan A rekanan 4 Pekerjaan B rekanan 2 Pekerjaan C rekanan 1 Pekerjaan D rekanan 3 biaya 25 biaya 30 biaya 16 biaya 25

Total biaya dengan alokasi/penugasan seperti di atas adalah 96. Berikut ini adalah solusi dengan menggunakan MS-Excel.
Pekerjaan

1 1 2 3 4
50 28 35 25

2
36 30 35 33

3
16 18 21 17

4
21 22 25 30

Pekerja

1 1 1 1
96

1 1 1 1

23

Operational Research

1 1 1 1

1 1 1 1

1 1 1 1

1 1 1 1

0 0 0 1

0 1 0 0

1 0 0 0

0 0 1 0

Dengan LINGO, permsalahan ini bisa diselesaikan dengan cara sebagai berikut
model: ! Suatu masalah penugasan 4 pekerjaan, 4 pekerja SETS: pekerjaan / J1, J2, J3, J4/; pekerja / C1, C2, C3, C4/; Penugasan(pekerjaan, pekerja) : Biaya,Tugas; ENDSETS ! Fungsi tujuan; [OBJ] MIN = @SUM( Penugasan: Biaya*Tugas); ! Konstrain pekerjaan ; @FOR( pekerjaan(J): @SUM( pekerja(I):Tugas( I, J)) =1);!semua pekerjaan harus ada yang mengerjakan ! Konstrain pekerja ; @FOR(pekerja(I): @SUM( pekerjaan(J): Tugas( I, J)) <= 1); ! setiap pekerja hanya mengerjakan satu pekerjaan ! parameters; DATA: Biaya= 50, 36, 16, 21, 28, 30, 18, 22, 35, 35, 21, 25, 25, 33, 17, 30; ENDDATA end

Dengan solusi sebagai berikut

Global optimal solution found at iteration: Objective value: Variable J1, C1) J1, C2) J1, C3) J1, C4) Value 50.00000 36.00000 16.00000 21.00000 13 96.00000 Reduced Cost 0.000000 0.000000 0.000000 0.000000

BIAYA( BIAYA( BIAYA( BIAYA(

24

Operational Research
BIAYA( BIAYA( BIAYA( BIAYA( BIAYA( BIAYA( BIAYA( BIAYA( BIAYA( BIAYA( BIAYA( BIAYA( TUGAS( TUGAS( TUGAS( TUGAS( TUGAS( TUGAS( TUGAS( TUGAS( TUGAS( TUGAS( TUGAS( TUGAS( TUGAS( TUGAS( TUGAS( TUGAS( J2, J2, J2, J2, J3, J3, J3, J3, J4, J4, J4, J4, J1, J1, J1, J1, J2, J2, J2, J2, J3, J3, J3, J3, J4, J4, J4, J4, C1) C2) C3) C4) C1) C2) C3) C4) C1) C2) C3) C4) C1) C2) C3) C4) C1) C2) C3) C4) C1) C2) C3) C4) C1) C2) C3) C4) Row OBJ 2 3 4 5 6 7 8 9 28.00000 30.00000 18.00000 22.00000 35.00000 35.00000 21.00000 25.00000 25.00000 33.00000 17.00000 30.00000 0.000000 0.000000 1.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 1.000000 0.000000 0.000000 0.000000 Slack or Surplus 96.00000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 21.00000 5.000000 0.000000 0.000000 0.000000 0.000000 3.000000 2.000000 2.000000 0.000000 1.000000 0.000000 0.000000 6.000000 5.000000 13.00000 Dual Price -1.000000 -33.00000 -35.00000 -20.00000 -25.00000 4.000000 5.000000 0.000000 8.000000

Apa yang terjadi jika jumlah pekerjaan lebih sedikit dari jumlah pekerja? Lima pekerja tersedia untuk mengerjakan empat pekerjaan. Waktu yang diperlukan untuk mengerjakan setiap pekerjaan oleh setiap pekerja diberikan sebagai berikut Pekerjaan 2 18 20 22 -

Pekerja 1 2 3 4 5

1 22 18 26 16 21

3 30 27 28 25

4 18 22 28 14 28

Tentukan penugasan setiap pekerja untuk pekerjaan yang ada dengan tujuan meminimumkan total waktu pengerjaan dari keempat pekerjaan tersebut. Sel-sel

25

Operational Research yang kosong berarti pekerja yang bersangkutan tidak bisa mengerjakan pekerjaan yang berhubungan. Misalnya sel 22, pekerja 2 tidak bisa mengerjakan pekerjaan 2. Berikut ini adalah solusi dengan menggunakan MS-Excel. Sel-sel yang kosong, dimana tidak mungkin pekerja tertentu ditugaskan pada pekerjaan yang bersangkutan, dalam implementasi dengan MS-Excel diisi dengan bilangan yang cukup besar, di sini 100. Dengan begitu tidak mungkin, misalnya menugaskan pekerja 2 untuk pekerjaan 2.
Pekerjaan

Pekerja

1 2 3 4 5

1 22 18 26 16 21 1

2 18 100 20 22 100 1

3 30 27 28 100 25 1

4 18 22 28 14 28 1

1 1 0 1 1
75

1 1 1 1 1

1 1 1 1 1 0 1 0 0 0

1 1 1 1 1 1 0 0 0 0

1 1 1 1 1 0 0 0 0 1

1 1 1 1 1 0 0 0 1 0

Dengan LINDO diperoleh solusi yang sam sebagai berikut

! 5 pekerja, 4 pekerjaan: ! ! XWH<i>C<j> = amount shipped from Gudang <i> to customer <j> ! MIN 22 P1JOB1 + 18 P1JOB2 + 30 P1JOB3 + 18 P1JOB4 + 18 P2JOB1 + 27 P2JOB3 + 22 P2JOB4 + 26 P3JOB1 + 20 P3JOB2 + 28 P3JOB3 + 28 P3JOB4 + 16 P4JOB1 + 22 P4JOB2 + 14 P4JOB4 + 21 P5JOB1 + 25 P5JOB3 + 28 P5JOB4

26

Operational Research
SUBJECT TO ! ! Pekerjaan constraints: JOB1) P1JOB1 + P2JOB1 + JOB2) P1JOB2 + P3JOB2+ JOB3) P1JOB3 + P2JOB3 + JOB4) P1JOB4 + P2JOB4 + P3JOB1+ P4JOB1+P5JOB1 = P4JOB2= 1 P3JOB3+ P5JOB3= 1 P3JOB4+ P4JOB4+P5JOB4= 1 1 1 1

! !

Supply JOBonstraints: WH1) P1JOB1 + P1JOB2 + P1JOB3 + P1JOB4 <= WH2) P2JOB1 + P2JOB3 + P2JOB4 <= 1 WH3) P3JOB1 + P3JOB2 + P3JOB3 + P3JOB4 <= WH3) P4JOB1 + P4JOB2 + P4JOB4 <= 1 WH3) P5JOB1 + P5JOB3 + P5JOB4 <= 1 END

Solusi yang didapatkan adalah:

LP OPTIMUM FOUND AT STEP OBJECTIVE FUNCTION VALUE 1) VARIABLE P1JOB1 P1JOB2 P1JOB3 P1JOB4 P2JOB1 P2JOB3 P2JOB4 P3JOB1 P3JOB2 P3JOB3 P3JOB4 P4JOB1 P4JOB2 P4JOB4 P5JOB1 P5JOB3 P5JOB4 75.00000 VALUE 0.000000 1.000000 0.000000 0.000000 1.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 1.000000 0.000000 REDUCED COST 4.000000 0.000000 5.000000 2.000000 0.000000 2.000000 6.000000 8.000000 2.000000 3.000000 12.000000 0.000000 6.000000 0.000000 3.000000 0.000000 12.000000 10

ROW JOB1) JOB2) JOB3) JOB4) WH1) WH2) WH3) WH3) WH3)

SLACK OR SURPLUS 0.000000 0.000000 0.000000 0.000000 0.000000 0.000000 1.000000 0.000000 0.000000 10

DUAL PRICES -18.000000 -18.000000 -25.000000 -16.000000 0.000000 0.000000 0.000000 2.000000 0.000000

NO. ITERATIONS=

LATIHAN

27

Operational Research
1. Machineco mempunyai 4 pekerjaan untuk diselesaikan. Setiap mesin harus ditugasi untuk menyelesaian 1 pekerjaan. Set up time untuk menyelesaikan suatu pekerjaan di perlihatkan dalam tabel. Machineco ingin meminimalkan total waktu setup yang diperlukan untuk menyelesaikan 4 pekerjaan. Selesaikan problem ini. Time (Hours) Job1 Machine 1 Machine 2 Machine 3 Machine 4 14 2 7 2 Job2 5 12 8 4 Job3 8 6 3 6 Job4 7 5 9 10

28

Operational Research

29

Operational Research

30